余昭君，胡笑濤，冉 輝，王雪夢，王文娥，何雪霞

(西北農(nóng)林科技大學(xué)旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西 咸陽 712100)

陜西關(guān)中地處半干旱半濕潤地區(qū)，近年來大力發(fā)展葡萄產(chǎn)業(yè)。保證葡萄優(yōu)質(zhì)高產(chǎn)的重要條件之一是適時適量的水分供給。但該地區(qū)葡萄生產(chǎn)面臨著水資源短缺和降雨時空分布不均問題[1]，葡萄園生態(tài)系統(tǒng)的良性運(yùn)轉(zhuǎn)和果實(shí)產(chǎn)量品質(zhì)的提高受到了一定的影響[2]。葡萄園水分過多或不足，都有可能會使葡萄在生育期內(nèi)產(chǎn)生一定的生理障礙，從而導(dǎo)致葡萄產(chǎn)量和品質(zhì)的降低[3]。除此之外，還會影響來年的結(jié)果狀態(tài)，甚至影響到葡萄樹壽命，縮短結(jié)果年限[4]。當(dāng)葡萄處于水分虧缺狀態(tài)時，根系的生長和生理活動會受到抑制、各種生理代謝、光合作用等都會受到一定影響，進(jìn)而對其正常的生命活動造成負(fù)面影響[5]，雖然目前可進(jìn)行灌溉，但是水分的利用率并不高。雨水過多則會使光合作用受限制，吸收過多水量易引起枝條突發(fā)性生長，同時，過高的濕度極易引起葡萄各種疾病，如黑痘病、灰霉病等。這些都為葡萄園灌溉管理增加了一定的特殊性和復(fù)雜性。生態(tài)系統(tǒng)與大氣相互作用研究的關(guān)鍵之一就是地表水熱通量特征，也是水量平衡研究和SPAC系統(tǒng)中不同功能作用層之間水分上行運(yùn)動的主要聯(lián)系樞紐[6]。水熱通量機(jī)理特征及其影響因子分析對于掌握變化環(huán)境對農(nóng)田水循環(huán)的影響和提高農(nóng)業(yè)水管理非常重要[7]，潛熱通量λET與感熱通量H在一定程度上反映了區(qū)域內(nèi)水熱交換狀況，影響了區(qū)域內(nèi)的氣候特征和作物生長狀況，對區(qū)域內(nèi)作物灌溉有著重要的指導(dǎo)意義[8]。因此，研究半濕潤地區(qū)葡萄生育期水熱通量動態(tài)變化以及潛熱通量對環(huán)境因子的響應(yīng)，對葡萄園灌溉制度的制定具有重要參考價值。

我國對干旱和極端干旱地區(qū)葡萄的蒸騰蒸發(fā)研究較多，近些年，不同生態(tài)系統(tǒng)下的水熱通量動態(tài)變化特征與其影響因素已成為國內(nèi)外研究的熱點(diǎn)，如白云崗等人對新疆吐哈盆地葡萄園的水熱通量變化特征進(jìn)行了研究，分析對比了葡萄園能量平衡各分量在不同生育期的日變化[9]。S Holland等人在美國北卡羅來納州多布森葡萄園，應(yīng)用微波文比(MBR)能量平衡系統(tǒng)測定了葡萄園內(nèi)行間蒸散(ET)通量，觀察得到了葡萄園能量通量的季節(jié)變化，并分析了產(chǎn)生水熱通量差異的原因?yàn)橥寥栏采w度不同階段不同[10]。Yan Li等人以沙漠葡萄園為研究對象，利用基于物理的土壤抗性計算式與半經(jīng)驗(yàn)土壤阻力公式估算了葡萄園的潛熱通量，并對二者的估算值進(jìn)行了對比，結(jié)果表明，基于物理的土壤阻力計算式能更好地估算稀疏植被的潛熱通量[11]。根據(jù)前人的研究，水熱通量的動態(tài)平衡受當(dāng)?shù)貧夂驙顩r，植被覆蓋條件等影響較大。本文運(yùn)用波文比-能量平衡法探究半濕潤地區(qū)葡萄園不同生育期的水熱通量在不同生育期的日變化以及典型天氣情況下的變化特征，利用BP神經(jīng)網(wǎng)絡(luò)對潛熱通量進(jìn)行估算，并結(jié)合估算結(jié)果，分析潛熱通量對其變化較為敏感的環(huán)境因子，以提高對稀疏植被覆蓋條件下水熱通量分配特征的理解，揭示潛熱通量對環(huán)境的敏感性。

1 材料與方法

1.1 試驗(yàn)區(qū)概況

試驗(yàn)區(qū)位于陜西省咸陽市楊凌區(qū)君度·唯爾葡萄莊園進(jìn)行，試驗(yàn)地位于北緯34°27′，東經(jīng)108°20′，海拔為524.7 m，該地區(qū)屬于暖溫帶大陸性季風(fēng)氣候，冷暖分明，冬季氣溫寒冷，降雨較少，夏季氣溫較高，雨量充沛，多年平均氣溫12.9 ℃，年日照時數(shù)2 163.8 h，無霜期210 d，年平均蒸發(fā)量1 500 mm，多年平均降水量580 mm，主要集中在七八月份。試驗(yàn)區(qū)葡萄齡期為約7年，品種為黑色甜菜，葡萄園灌溉方式為滴灌。葡萄為南北走向，行距約為3 m，株距0.8 m左右，葡萄架式采用單籬架，沿葡萄種植方向在行內(nèi)每隔3～4 m豎立水泥柱，并在上中下拉3道鐵絲，葡萄架高1.5 m左右。

波文比觀測站位于葡萄園東南側(cè)一片較為水平的葡萄地中心位置，該站安裝在總高在6 m的三角塔上，并由三根拉纖固定。該系統(tǒng)中一個溫濕度傳感器(HMP155A)和一個風(fēng)速風(fēng)向傳感器(WindSonic)安裝在6 m高度，另外一對安裝在3 m高度，凈輻射傳感器(NR-Lite2)和紅外溫度傳感器(SI-111)安裝在3.2 m，兩個熱通量板(HFP01)分別安裝在南北向地下5 cm處。可以觀測不同時間尺度的氣象資料，包括凈輻射Rn、風(fēng)速WS、氣溫Ta、空氣濕度RH、水汽壓e0、土壤熱通量G，頻率為10 min一次。

1.2 數(shù)據(jù)處理方法

(1)波文比-能量平衡法。Bowen在1926年所提出的波文比-能量平衡法是基于能量平衡原理和梯度擴(kuò)散方程[12]，通過地表能量平衡方程和感熱及潛熱通量的垂直輸送方程，從而計算出感熱和潛熱通量，在某一給定的區(qū)域，分配給感熱和潛熱的能量之比相對是常數(shù)[13]。感熱與潛熱計算的公式分別為：

Rn=λET+H+G

(1)

式中：Rn為凈輻射，W/m2；λET為潛熱通量，W/m2；H為感熱通量，W/m2；G為土壤熱通，W/m2。

從而引入波文比β：

(2)

式中：γ為干濕球常數(shù)；Δt和Δe分別是溫度、水汽壓梯度。

λET可表示為：

(3)

(4)

根據(jù)Rn和G，即可求得相應(yīng)的λET和H。

(2)BP神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是基于神經(jīng)科學(xué)的研究發(fā)展起來的，通過模仿人類大腦的結(jié)構(gòu)功能，同時結(jié)合了生物神經(jīng)科學(xué)，從而對信息進(jìn)行處理，是一種新興的交叉學(xué)科[14]。人工神經(jīng)網(wǎng)絡(luò)是由很多簡單的“神經(jīng)元”組成的，各神經(jīng)元相互連接而形成大規(guī)模復(fù)雜的并行非線性動力系統(tǒng)，具有較強(qiáng)的非線性運(yùn)算能力和自學(xué)習(xí)能力，同時還對輸入數(shù)據(jù)有一定的容錯能力[15]。由于神經(jīng)網(wǎng)絡(luò)模型只需要輸入數(shù)據(jù)和輸出數(shù)據(jù)，而且它本身能夠?qū)τ?xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練和學(xué)習(xí)，不需要預(yù)先知道變量之間的關(guān)系[16]，用大量相對簡單的人工神經(jīng)元模擬出數(shù)據(jù)間復(fù)雜的非線性關(guān)系，同時能自適應(yīng)調(diào)節(jié)神經(jīng)元之間的連接權(quán)重，從而建立反映數(shù)據(jù)真實(shí)情況的網(wǎng)絡(luò)結(jié)構(gòu)[17]。BP網(wǎng)絡(luò)模型是目前神經(jīng)網(wǎng)絡(luò)模型中最典型、最常用的模型[18]。標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)模型由三層神經(jīng)元組成，包括輸入層、中間層(隱含層)和輸出層，而同一層神經(jīng)元之間沒有聯(lián)系，每個神經(jīng)元僅指向下一層神經(jīng)元，如圖1所示。人工神經(jīng)網(wǎng)絡(luò)模型是把一組樣本的輸入和輸出問題變?yōu)橐粋€非線性優(yōu)化問題，并使用沿梯度下降的算法[19]，運(yùn)用迭代運(yùn)算來解決權(quán)值相應(yīng)和學(xué)習(xí)記憶的問題，同時用加入隱層節(jié)點(diǎn)的方法增加可調(diào)節(jié)參數(shù)，來完成從輸入到輸出的非線性映射[20]。

圖1 BP網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.1 Schematic diagram of BP network structure

因?yàn)閱蝹€模糊神經(jīng)元無法對較為復(fù)雜的隸屬函數(shù)進(jìn)行映射，所以本文BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的中間處理層應(yīng)用的模糊化神經(jīng)元如圖2所示，選擇采用這種復(fù)合神經(jīng)元模型來處理隸屬函數(shù)模擬問題。復(fù)合式神經(jīng)元本質(zhì)上為前向型3層神經(jīng)網(wǎng)絡(luò)。輸出值xij的數(shù)學(xué)表達(dá)式為[21]：

xij=f[wij4f(wij1xi+θij1)+wij5f(wij2xi+θij2)+

wij6f(wij3xi+θij3)-θij4]

(5)

神經(jīng)網(wǎng)絡(luò)系統(tǒng)中的隱層和輸出層神經(jīng)元全取非線性遞增的Sigmoid“S”形扁平函數(shù)為映射函數(shù)，這一函數(shù)一方面能夠保證網(wǎng)絡(luò)具有足夠的柔性，另一方面更有利于對任何形式的隸屬函數(shù)進(jìn)行模擬[22]。同時確保其輸出值在0～1范圍之內(nèi)變化，這與隸屬函數(shù)相統(tǒng)一。因此可設(shè)權(quán)向量為：

(6)

閾向量為：

(7)

式中：i=1,2，…，n；j=1,2，…，5。

對上述2個向量取值即可用如圖2所示的復(fù)合神經(jīng)元進(jìn)行模擬。

圖2 構(gòu)成xij的復(fù)合神經(jīng)元Fig.2 Composite neurons that make up xij

2 結(jié)果與分析

2.1 各生育階段水熱通量日變化特征

將2018年葡萄各個生育階段每天對應(yīng)時段的凈輻射Rn、土壤熱通量G、感熱通量H和潛熱通量λET分別進(jìn)行平均，得到鮮食葡萄各個生育期水熱平衡各分量的日變化規(guī)律和特點(diǎn)。如圖3所示，能量平衡各分量整體上呈現(xiàn)明顯早晚低，中午高的單峰型二次曲線，各分量在日出時間段由負(fù)值轉(zhuǎn)變?yōu)檎?，在日落時由正值轉(zhuǎn)變?yōu)樨?fù)值，但由于不同季節(jié)日出時間不同，再加上氣象等因素的影響，各生育階段正負(fù)值轉(zhuǎn)變的時間有一定差別。凈輻射峰值一般出現(xiàn)在13∶00左右，峰值的大小隨著生育期的變化而在338.79～521.52 W/m2之間浮動，其中漿果成熟期日變化峰值最大，新梢成熟時期最小，土壤熱通量G是凈輻射的一個重要的能量支出，其變化范圍較小，變化趨勢與凈輻射大致相同，滯后現(xiàn)象并不明顯，其峰值同樣出現(xiàn)時間在13∶00左右，平均最大值變化于65.60～ 18.84 W/m2，在生育期內(nèi)大多數(shù)都低于潛熱和感熱通量。潛熱和感熱的變化較為復(fù)雜，各個生育階段潛熱通量在13∶00左右達(dá)到最大，之后逐漸減小，從19∶00開始到次日7∶00左右都在零附近徘徊，最大值處于40.70～113.88 W/m2之間，夜間變化范圍不大，一般在-30～40 W/m2之間。各個生育階段感熱通量的平均最大值在208.79～388.50 W/m2之間變化，其最大值在葡萄生育前后期都明顯大于潛熱通量的最大值，而其持續(xù)時間較長，夜間在-30～0 W/m2之間變化。

圖3 葡萄不同生育期水熱通量日變化Fig.3 Diurnal variation of heat and water flux at different growth stages of grape

在葡萄的生育期內(nèi)感熱通量始終占凈輻射的大部分，如表1所示，H/Rn的值在各個生育階段都大于0.60，生長前期感熱通量較小，隨著葡萄的生長發(fā)育，感熱通量逐漸增大，但是所占凈輻射的比例逐漸減小，潛熱通量變化與之相反。這種變化出現(xiàn)的主要原因是半濕潤地區(qū)降雨較多，空氣濕度較高，生育后期植被覆蓋度增加，能量分配發(fā)生了變化。但是變化程度在整個生育期內(nèi)并不明顯，原因可能是前期葡萄園行間其他植被覆蓋度較高，葡萄生長期間定期修枝，導(dǎo)致前后地表覆蓋度相差不大。

表1 葡萄不同生育期水熱通量各分量平均值與能量比率Tab.1 Ratio of water and heat flux to energy in different growth stages of grape

2.2 典型天氣條件下的水熱通量日變化特征

為更好地了解半濕潤地區(qū)葡萄園水熱通量在不同天氣下的動態(tài)變化特征，選取葡萄成熟期作為典型天氣的選取范圍(2018年7月)，分別取連續(xù)三天相同天氣條件(雨天、陰天、晴天)下的水熱通量的平均值。雨天選取7月9日-7月11日，雨量為小到中雨，平均氣溫25 ℃，風(fēng)力3～4級，陰天為7月5日-7月7日，平均氣溫28 ℃，晴天選取7月23日-7月25日，平均氣溫為36 ℃。圖4為典型天氣條件下水熱通量各分量的日變化。

雨天夜間凈輻射在0～15 W/m2范圍內(nèi)變化，在7∶00左右變?yōu)檎?，并開始逐漸上升，在12∶30左右達(dá)到峰值，隨后開始下降，19∶00附近變?yōu)樨?fù)值。陰天和晴天夜間凈輻射變化范圍為0～50 W/m2，正負(fù)值交替發(fā)生的時間相對于雨天都要提前1 h左右，但雨天凈輻射峰值出現(xiàn)的時間相對滯后，這與云層的運(yùn)動有關(guān)。

潛熱通量變化趨勢與凈輻射大致相同，雨天由于云層和雨滴的作用，總體潛熱通量小于晴天，且晴天夜間潛熱通量基本都在零值以上，表示夜間有水汽的蒸發(fā)，且蒸發(fā)作用大于吸收，原因可能是云層對整個地-氣系統(tǒng)的保溫作用，使得陰雨天氣下地表溫度仍能保持在較高值，有利于水分的蒸發(fā)。陰天潛熱通量的變化幅度較大，可能是因?yàn)殛幪祜L(fēng)力較大，受到了局部平流的影響。

雨天感熱通量略大于潛熱通量，但基本都在0附近變化，感熱交換較低；晴天和陰天的感熱通量呈明顯的日變化，夜間感熱向下傳輸，為負(fù)值，在6∶00左右轉(zhuǎn)為正值，19∶00左右降為負(fù)值，晴天與陰天的感熱交換率有著明顯差異，表明在陰天時地氣之間發(fā)生的亂流交換比晴天更加劇烈。

土壤熱通量變化趨勢與凈輻射基本一致，雨天的變化幅度非常小，且大多數(shù)為負(fù)值，可能是由于潛熱交換較低，為了彌補(bǔ)消耗，土壤要向大氣釋放能量。陰天土壤熱通量變化幅度較大，一天中的最大值為39.60 W/m2，晴天土壤熱通量在7∶00和19∶00左右發(fā)生正負(fù)值變化，峰值為113.42 W/m2。

2.3 潛熱通量λET對環(huán)境因子的敏感性分析

潛熱通量是指地表發(fā)生的土壤水分蒸發(fā)、植被截留蒸發(fā)以及植物體內(nèi)水分蒸騰過程中下墊面與大氣水分熱交換能量的總稱, 在農(nóng)業(yè)水資源管理中具有重要作用。分析潛熱通量對環(huán)境因子的敏感性，為判斷各環(huán)境因子的重要性大小、影響程度高低提供依據(jù)。利用人工神經(jīng)網(wǎng)絡(luò)對潛熱通量λET進(jìn)行預(yù)測，并與波文比計算值對比，選擇相對誤差較小的預(yù)測模型。結(jié)合單因素分析方法，即對某一影響因素進(jìn)行微小調(diào)動，使其他影響因素取值固定不變，運(yùn)用選定模型進(jìn)行系統(tǒng)計算，得到相應(yīng)的系統(tǒng)輸出，然后采用差分法算出敏感度的大小。

2.3.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果及相對誤差

根據(jù)波文比能量平衡法選擇了7個重要的環(huán)境因子，包括：凈輻射Rn、風(fēng)速u、冠層溫度Tt、空氣溫度Ta、相對濕度RH、大氣壓差和土壤熱通量G。在4月1日至8月23日之間，在剔除部分時段內(nèi)無效監(jiān)測數(shù)據(jù)(β=1)之后，隨機(jī)選取了360組小時尺度的上述值，其中220組作為訓(xùn)練集，140組作為預(yù)測集，對所選環(huán)境因子的測定值進(jìn)行歸一化處理，將處理后的數(shù)據(jù)作為輸入數(shù)據(jù)，輸出數(shù)據(jù)為潛熱通量λET。采用復(fù)合型神經(jīng)元，輸入層為7個神經(jīng)元，隱層為5個神經(jīng)元，輸出層為1個神經(jīng)元。經(jīng)過神經(jīng)網(wǎng)絡(luò)系統(tǒng)計算，根據(jù)6個環(huán)境因子及波文比值，預(yù)測出的潛熱通量結(jié)果如圖5和圖6所示，預(yù)測值與波文比能量平衡法計算出的結(jié)果相對誤差的平均值為0.24，誤差較小，且預(yù)測值與實(shí)測值的相關(guān)系數(shù)為0.84，證明預(yù)測結(jié)果較為準(zhǔn)確，采用本預(yù)測模型得到的結(jié)果較為精準(zhǔn)，可以進(jìn)行下一步的敏感性計算。

圖4 典型天氣條件下水熱通量各分量變化Fig.4 Variation of each component of water heat flux under typical weather conditions

圖5 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與實(shí)際值Fig.5 Predicted value and actual value of BP neural network

圖6 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與波文比法計算值相關(guān)關(guān)系Fig.6 Correlation between predicted value of BP neural network and calculated value of bowen ratio method

2.3.2 敏感性分析

根據(jù)以上分析可知，BP神經(jīng)網(wǎng)絡(luò)可以由環(huán)境因子較好的模擬出潛熱通量，在此基礎(chǔ)上，可進(jìn)一步對各個環(huán)境因子進(jìn)行敏感性分析。選擇剩余的140組數(shù)據(jù)，利用以上訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)所形成的模型，對潛熱通量λET進(jìn)行評估，分別將每組數(shù)據(jù)其中一個影響因子值縮小10%，保持其他參數(shù)值不變，進(jìn)行計算，將相對變化量取平均值作為量化的敏感性大小，相對變化量越大，則潛熱通量對相應(yīng)環(huán)境因子的變化越敏感。計算結(jié)果見表2，由計算結(jié)果可看出，潛熱通量對凈輻射Rn的變化最為敏感，土壤熱通量次之，二者相差很小，其中潛熱通量對風(fēng)速、相對濕度和空氣水汽壓的變化敏感性都較小，相對變化量均在10%以內(nèi)，潛熱通量對空氣溫度變化的敏感性略大于對冠層溫度的變化。

表2 各環(huán)境因素的敏感度Tab.2 Sensitivity of environmental factors

3 結(jié) 論

本文以半濕潤地區(qū)葡萄園為代表，結(jié)合波文比觀測數(shù)據(jù)，分析比較了葡萄園下墊面在不同生育期的水熱通量分配規(guī)律以及其季節(jié)變化特征。根據(jù)實(shí)驗(yàn)地區(qū)葡萄園基本氣象資料，分析了相關(guān)氣象要素對果園潛熱通量的影響。

從葡萄園能量平衡各分量的日變化規(guī)律可以看出，其中感熱通量所占凈輻射份額最大，雖然后期潛熱通量占比有所增加，但仍小于感熱通量。張寶忠等人對干旱荒漠綠洲葡萄園研究表明，生育前期感熱通量占凈輻射比例較高，但生育后期，潛熱通量基本高于感熱通量[23]，H R Oliver等人研究了西班牙半干旱地區(qū)釀酒葡萄的水熱平衡規(guī)律[24]，對葡萄六七月水熱通量各分量取平均值發(fā)現(xiàn)，潛熱通量小于感熱通量，這與本研究結(jié)果相似。出現(xiàn)這種差異的主要原因可能是：①灌溉方式。葡萄園各能量通量的變化在很大程度上取決于土壤的濕潤程度[25]，滴灌方式灌溉，灌溉水主要集中的葡萄根部，土壤濕潤面積較小，使得土壤蒸發(fā)量較小。②冠層結(jié)構(gòu)。葡萄屬于稀疏植被，冠層覆蓋度較小，裸露面積較大。③氣候特點(diǎn)。半濕潤地區(qū)降雨較為頻繁，影響了葡萄園的生物氣候狀況，從而進(jìn)一步影響了葡萄園地表能量分配。

土壤-植被-大氣系統(tǒng)(SPAC)是一個復(fù)雜的循環(huán)系統(tǒng)，其中的環(huán)境因子相互影響，BP神經(jīng)網(wǎng)絡(luò)可根據(jù)各環(huán)境因子較好的模擬出潛熱通量，從而計算蒸騰蒸發(fā)量。潛熱通量的變化，主要取決于下墊面條件和氣象因子的變化情況，而凈輻射作為蒸騰蒸發(fā)的能量來源，直接影響了蒸騰蒸發(fā)速率，因此，潛熱通量對其變化的敏感度最高。而對于葡萄園這種稀疏植被覆蓋的下墊面，植被覆蓋面積較小，相對于農(nóng)田這種植被覆蓋面積較大的下墊面，葡萄園土壤可利用的能量較多，因此，潛熱通量對土壤熱通量的變化較為敏感。